[发明专利]一种基于感兴趣目标增强的极化合成方法

摘要

本发明公开了一种基于感兴趣目标增强的极化合成方法，本发明利用各种有效的像素极化目标分解算法获取极化分量，同时考虑各个极化分量的空间信息，构造局部区域的极化特征图像集；在图像集中，以可视化为目的，通过聚类得到三个内容准互补的图像子集；利用图像子集的稀疏表示，选取最具代表性的极化特征作为极化合成分量；由极化合成分量构造合成图像。获得的极化合成图像充分展示了感兴趣目标的极化信息。本发明可有效提高感兴趣目标的可视性和可读性。

主权项

一种基于感兴趣目标增强的极化合成方法，其特征在于，包括以下步骤：步骤1：对PolSAR图像进行极化目标分解，获得各极化目标分解的极化分量；步骤2：对PolSAR图像进行分割，用分割区内极化分量构造极化特征图像集；步骤3：对极化特征图像集采用模糊c均值方法进行聚类，得到三个图像子集；步骤4：分别对三个图像子集进行稀疏表示，从各子集中选出一个稀疏系数能量最大的极化特征作为极化合成分量；步骤4的具体实现包括以下子步骤：步骤4.1：对图像子集的图像进行如下稀疏表示，minAi(j),D(j)||Ai(j)||1s.t.||xi(j)-D(j)Ai(j)||22≤ϵ;]]>其中是极化特征图像，X(j)是第j个图像子集，D(j)＝[d1,…,dN]∈RM×N是图像子集X(j)的过完备字典，di为字典原子，为在D(j)上的稀疏系数，通过对其求解可以得到字典D(j)，以及稀疏系数矩阵步骤4.2：由字典主要原子构造主元字典D‾(j)=[dk|dk∈D(j),k∈C]∈RM×Nl:]]>其中是由按照降序排列，前Nl个行向量对应的行号组成的集合，为A(j)的第k个行向量；步骤4.3：用字典重建minWi(j)||xi(j)-D‾(j)wi(j)||22,s.t.||wi(j)||0≤H0;]]>其中H0为稀疏度参数；步骤4.4：极化特征图像选择，采用如下准则选择极化特征图像，iopt=argmaxi||wi(j)||22=argmaxi(argminwi(j)||xi(j)-D‾(j)wi(j)||22);]]>可得图像子集X(j)的代表特征为则子集X(j)对应的极化合成分量为步骤5：用选择出的三个极化合成分量图像以RGB色彩模式更新极化合成空间；步骤6：重复执行步骤3、步骤4和步骤5，直到对全部分割区计算完毕，从而获得极化合成图像。